【技术实现步骤摘要】
本专利技术涉及数据处理，特别是涉及一种轨道道床异物检测模型获取方法、装置、介质及设备。
技术介绍
1、轨道道床异物检测是轨道安全运营的重要日常检测环节，直接影响列车的运行安全，因道床异物多样性，单一的检测方法很难对轨道道床所有种类的异物进行全面的检测，传统检测基于人工的检测方法，费时费力，效率低下，由于检测一般都在列车停运的深夜时候，此时轨道光线较差，容易造成因视线问题而漏检的情况，现有技术中采用无监督学习或者有监督学习的方法对轨道道床异物进行检测，无监督学习的方法虽然理论上能够覆盖较多的异物种类，但是由于异常阈值无法准确界定，因此导致检测的准确性较低，而基于有监督深度学习训练的方法，由于需要实现负样本的采集，标注，训练，导致检测召回率会随着新的异物种类而直线下降，因此如何在检测准确性较高的同时能够检测识别异物的种类多样化成为了轨道道床异物检查的一个难题。
技术实现思路
1、针对上述技术问题，本专利技术采用的技术方案为一种轨道道床异物检测模型获取方法，所述方法包括如下步骤：
2...
【技术保护点】
1.一种轨道道床异物检测模型获取方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的轨道道床异物检测模型获取方法，其特征在于，所述第一识别方式对候选轨道道床图像列表进行处理的过程为将候选轨道道床图像列表输入至指定神经网络模型中进行异物识别。
3.根据权利要求2所述的轨道道床异物检测模型获取方法，其特征在于，所述指定神经网络模型为将若干个第一关键轨道道床图像和若干个第二关键轨道道床图像作为样本训练集输入至初始的神经网络模型中进行模型训练获取到的模型，其中，所述第一关键轨道道床图像为获取到的存在初始异物的轨道道床的图像，所述第二关键轨...
【技术特征摘要】
1.一种轨道道床异物检测模型获取方法，其特征在于，所述方法包括如下步骤：
2.根据权利要求1所述的轨道道床异物检测模型获取方法，其特征在于，所述第一识别方式对候选轨道道床图像列表进行处理的过程为将候选轨道道床图像列表输入至指定神经网络模型中进行异物识别。
3.根据权利要求2所述的轨道道床异物检测模型获取方法，其特征在于，所述指定神经网络模型为将若干个第一关键轨道道床图像和若干个第二关键轨道道床图像作为样本训练集输入至初始的神经网络模型中进行模型训练获取到的模型，其中，所述第一关键轨道道床图像为获取到的存在初始异物的轨道道床的图像，所述第二关键轨道道床图像为获取到的不存在初始异物的轨道道床的图像。
4.根据权利要求1所述的轨道道床异物检测模型获取方法，其特征在于，采用第二识别方式对中间轨道道床图像列表进行处理，获取目标异物图像列表包括如下步骤：
5.根据权利要求4所述的轨道道床异物检测模型获取方法，其特征在于，根据目标优先级列表，获取目标异物图像列表包括如下步骤：
6.一种轨道道床异物检测模型获取装置，其特征在于，所述装置包括：
7.根据权利要求6所述的轨道道床异物检测模型获取装...
【专利技术属性】
技术研发人员：高灿，玉正英，程树华，吕圣杰，洪涛，吴海腾，
申请(专利权)人：杭州申昊科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。